改进的自适应模糊神经网络在降水量预测中的应用

以吉林省白城市为例,将偏自相关系数(PAC)与自适应模糊神经网络模型(ANFIS)相结合预测年降水量,以年降水量序列自身数据作为输入和输出变量,将预测结果与多元线性回归模型(MLR)的预测结果进行对比。结果表明:ANFIS模型和MLR模型在相关资料缺乏的地区对年降水量的预测结果都是可以接受的,但ANFIS模型的预测精度更高,RMSE值更小,NS值更接近于1;运用偏自相关系数确定输入变量相比主观经验判断更好,利用PCF计算得到延迟系数为5,因此,预测年降水量预测应以预测年前5 a的降水量作为输入变量。